「吴恩达Agentic AI 模块5」高度自主智能体AI模式学习指南

本学习指南旨在帮助您深入理解并掌握构建高度自主智能体AI的核心设计模式。内容涵盖了规划工作流、多智能体系统以及它们在实际应用中的实现方式。

测验

简答题

请使用2-3句话回答以下问题，以检验您对核心概念的理解。

1. 在智能体AI中，“规划”设计模式的核心思想是什么？
2. 为什么让大型语言模型（LLM）以JSON或XML等结构化格式输出其计划是有益的？
3. 什么是“通过代码执行进行规划”？在什么情况下它特别有效？
4. 根据源材料，使用规划模式的一个主要挑战或缺点是什么？
5. 什么是多智能体工作流，其背后的核心理念是什么？
6. 在多智能体系统中，单个智能体通常是如何被创建的？
7. 请描述多智能体系统中的“线性”沟通模式。
8. 请描述多智能体系统中的“层级式”沟通模式。
9. 根据所提供的研究，将代码作为行动（规划）与使用JSON或纯文本相比，效果如何？
10. 材料中用什么类比来解释多智能体系统（即使在单台计算机上运行）的价值？

答案解析

1. 在智能体AI中，“规划”设计模式的核心思想是什么？ “规划”设计模式允许智能体AI灵活地自行决定完成任务所需的步骤顺序，而无需开发者预先硬编码步骤。智能体会首先生成一个多步骤的计划，然后逐一执行计划中的每个步骤，以响应复杂的用户请求。
2. 为什么让大型语言模型（LLM）以JSON或XML等结构化格式输出其计划是有益的？ 使用JSON或XML等结构化格式，可以使下游代码以清晰、无歧义的方式解析计划的具体步骤。这确保了计划的每个部分（如步骤描述、使用的工具和参数）都能被系统可靠地、系统化地逐一执行。
3. 什么是“通过代码执行进行规划”？在什么情况下它特别有效？ “通过代码执行进行规划”是指让LLM直接编写代码来表达和执行一个复杂的计划，而不是输出JSON等格式的步骤列表。当任务可以通过编程逻辑完成时，这种方法尤其强大，因为它允许LLM利用编程语言和库中成百上千个现有函数，从而能处理比预定义工具集更广泛、更复杂的查询。
4. 根据源材料，使用规划模式的一个主要挑战或缺点是什么？ 使用规划模式的主要挑战是系统有时会变得难以控制。由于开发者无法预先知道智能体在运行时会生成什么样的计划，因此系统的行为会变得更难预测，这给控制带来了困难。
5. 什么是多智能体工作流，其背后的核心理念是什么？ 多智能体工作流是指让多个智能体协作完成一项任务，而不是依赖单个智能体。其核心理念是将一个复杂的任务分解为多个子任务，并为每个子任务指派一个具有特定角色和技能的智能体，就像组建一个人类团队来分工合作一样。
6. 在多智能体系统中，单个智能体通常是如何被创建的？ 单个智能体通常是通过向大型语言模型（LLM）提供特定的提示（prompting）来创建的。提示会指示LLM扮演一个特定的角色（如研究员、图形设计师或作者），并赋予其完成该角色任务所需的工具和背景信息。
7. 请描述多智能体系统中的“线性”沟通模式。 线性沟通模式是一种工作流，其中智能体按顺序逐一完成其工作。第一个智能体完成任务后，将其输出传递给第二个智能体，第二个智能体再将其输出传递给第三个，以此类推，直到最终任务完成。例如，研究员先工作，然后是图形设计师，最后是作者。
8. 请描述多智能体系统中的“层级式”沟通模式。 层级式沟通模式涉及一个“管理者”智能体，它负责协调和委派任务给其他多个“团队成员”智能体。管理者智能体制定计划，将具体任务分配给下属智能体，并接收它们的工作成果，然后决定下一步行动，形成一种自上而下的协调结构。
9. 根据所提供的研究，将代码作为行动（规划）与使用JSON或纯文本相比，效果如何？ 研究表明，让LLM通过编写代码来表达计划和执行动作，其效果优于让它编写JSON或纯文本格式的计划。总体趋势是，代码规划优于JSON规划，而JSON规划又稍好于纯文本规划。
10. 材料中用什么类比来解释多智能体系统（即使在单台计算机上运行）的价值？ 材料中使用的类比是计算机中的多进程或多线程。尽管计算机只有一个CPU，但开发者将工作分解为多个进程或线程，可以更容易地编写和管理复杂的程序。同样，将智能体任务分解为多个智能体，为开发者提供了一个有用的心智框架，可以更轻松地将复杂任务分解为可管理的子任务。

论述题

请思考并详细阐述以下问题，以深化您对相关概念的综合理解。

1. 论述智能体AI中“规划”模式的演变过程，从简单的文本文本计划，到JSON/XML格式，再到最终的通过代码执行进行规划。分析每个阶段的优势和局限性。
2. 比较并对比“规划”设计模式与“多智能体工作流”。这两种模式如何能像市场营销经理的例子那样结合起来使用？
3. 分析智能体系统中“控制”与“自主性”之间的权衡关系，并具体参考规划模式和“全体对全体”（all-to-all）沟通模式中提到的挑战。
4. 假设您被要求构建一个智能体系统，以自动化撰写一篇复杂研究论文的过程。请利用源材料中的概念，设计一个多智能体系统来完成此任务。定义智能体的角色、它们必需的工具，以及您将实施的沟通模式，并解释您的选择理由。
5. 源材料提到，规划在“高度智能化的编码系统”中尤其成功。根据所提供的背景信息，解释为什么通过代码执行进行规划对于软件开发任务如此有效，并讨论其潜在风险以及必要的预防措施（如使用沙盒）。

关键术语词汇表

术语 (Term)	定义 (Definition)
智能体AI (Agentic AI)	一类能够自主规划并执行一系列动作以完成复杂任务的人工智能系统。
规划 (Planning)	一种设计模式，其中智能体首先生成一个多步骤的行动计划来响应用户请求，然后按顺序执行该计划，而不是依赖预先硬编码的指令。
工具 (Tools)	提供给智能体的特定功能或API，使其能够执行超出LLM原生能力的任务，例如查询数据库、发送电子邮件或进行网络搜索。
JSON格式 (JSON Format)	一种轻量级的数据交换格式，用于让LLM以结构化、机器可读的方式输出其计划，以便下游代码能够清晰、无歧义地解析和执行。
通过代码执行进行规划 (Planning with code execution)	一种高级规划技术，让LLM直接生成可执行的代码（如Python代码）来表达其计划。这使得智能体能够利用编程语言的强大功能和庞大的函数库来完成复杂任务。
多智能体工作流 (Multi-agent workflow)	一种系统设计，其中多个具有不同角色和技能的智能体协同工作以完成一个共同的复杂任务，类似于一个人类团队的分工协作。
线性沟通模式 (Linear communication pattern)	一种多智能体协作模式，其中信息和任务按顺序从一个智能体传递到下一个，形成一条直线式的工作流。
层级式沟通模式 (Hierarchical communication pattern)	一种多智能体协作模式，其中一个“管理者”智能体负责协调其他多个下属智能体的工作，进行任务分配和结果汇总，形成一种类似组织架构的沟通结构。
全体对全体沟通模式 (All-to-all communication pattern)	一种复杂的、非结构化的沟通模式，其中系统中的任何智能体都可以在任何时候与其他任何智能体进行通信。这种模式灵活性高，但结果难以预测和控制。
沙盒 (Sandbox)	一种安全执行环境，用于运行由LLM生成的代码。它将代码的执行与主系统隔离开来，以防止潜在的恶意或不安全操作对系统造成损害。